Construção de classificados a partir de bases incompletas utilizando o algoritmo co-training (2004)
- Authors:
- USP affiliated author: SCHWEITZER, GABRIEL CARDOSO - EP
- School: EP
- Sigla do Departamento: PMR
- Subjects: INTELIGÊNCIA ARTIFICIAL; ALGORITMOS
- Language: Português
- Abstract: Consideramos o problema de usar uma grande amostra de dados não rotulados para melhorar a performance de um algoritmo de aprendizagem quando apenas um pequeno conjunto de exemplos rotulados está presente. Considere, para ilustração da teoria, os cenários de classificar células cancerosas quanto ao seu tumor (benigno ou maligno) é deputados quanto ao seu partido (democrata ou republicano). Assumimos que cada conjunto de observações pode ser dividido em dois subconjuntos de atributos, denominados “visões” da base de dados. Assumimos, também, que qualquer visão da observação seria suficiente para aprender se houvesse bastantes dados rotulados, mas o objetivo é usar ambas as visões em conjunto para permitir que dados não rotulados (mais acessíveis e abundantes) aumentem um conjunto muito menor de exemplos rotulados. Especificamente, a presença de duas visões distintas de cada exemplo sugere estratégias nas quais dois algoritmos de aprendizagem são treinados separadamente em cada visão, e então as previsões de cada algoritmo em novos tempos não rotulados são usadas para aumentar o conjunto de treinamento do outro. Este método é conhecido por Co-Training e o objetivo deste trabalho é avaliá-lo e testá-lo, variando seus parâmetros de entrada e características da base de teste, tentando identificar características que favoreçam ou prejudiquem seu desempenho. Para isso provemos resultadois empíricos obidos nas bases “1984 United States Congressional Votinh Records” e “Breast Cancer Wisconsin” indicando que este uso de exemplos não rotulados pode levar a melhora significativa das hipóteses na prática.
- Imprenta:
-
ABNT
SCHWEITZER, Gabriel Cardoso. Construção de classificados a partir de bases incompletas utilizando o algoritmo co-training. 2004. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2004. Disponível em: https://bdta.abcd.usp.br/directbitstream/0120b1ab-6801-4f31-8a0f-33f047f8d4ac/Gabriel%20Cardoso%20Schweitzer.pdf. Acesso em: 29 abr. 2024. -
APA
Schweitzer, G. C. (2004). Construção de classificados a partir de bases incompletas utilizando o algoritmo co-training (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/0120b1ab-6801-4f31-8a0f-33f047f8d4ac/Gabriel%20Cardoso%20Schweitzer.pdf -
NLM
Schweitzer GC. Construção de classificados a partir de bases incompletas utilizando o algoritmo co-training [Internet]. 2004 ;[citado 2024 abr. 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/0120b1ab-6801-4f31-8a0f-33f047f8d4ac/Gabriel%20Cardoso%20Schweitzer.pdf -
Vancouver
Schweitzer GC. Construção de classificados a partir de bases incompletas utilizando o algoritmo co-training [Internet]. 2004 ;[citado 2024 abr. 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/0120b1ab-6801-4f31-8a0f-33f047f8d4ac/Gabriel%20Cardoso%20Schweitzer.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Gabriel Cardoso Schweitze... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
